PulseAugur
中
实时 03:19:51
English(EN) Data Citation for Large Language Models: A Challenge

论文探讨大型语言模型的数据引用挑战

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的论文探讨了大型语言模型（LLMs）数据引用的复杂挑战。作者认为，LLMs介导信息访问的能力，除了简单的验证之外，还需要引用来归功和追溯来源。他们提出了三个研究方向：将影响估计转化为训练数据的引用，在推理过程中识别正确粒度的数据集和查询结果，以及定义知识图谱事实的引用以确保功劳传播。解决这些问题需要数据库、信息检索、知识表示和人工智能领域的合作。 AI

影响 这项研究通过实现对训练数据的适当归属，可能带来更透明和负责任的LLM输出。

排序理由 该集群包含一篇讨论人工智能新研究挑战的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

论文探讨大型语言模型的数据引用挑战

本文如何被排名

Signal score
3 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇讨论人工智能新研究挑战的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Gianmaria Silvello ·

    大型语言模型的数据引用：一项挑战

    Large language models increasingly mediate access to information, and a growing body of work asks whether they cite the sources behind their outputs. That work treats citation as a verification device and applies it to textual documents. Scholarly citation serves two further func…

相关实体

相关话题